新手要學slam，有什麼推薦嗎？

01-16

小夥伴們抬愛了……

------------------------------------------------------------------------------------------------------------------------------------------

1、首先是代碼環境問題。最好是Ubuntu+ROS的，畢竟大部分已有的開源演算法都有相應的ROS implementation的，起碼先跑跑別人的代碼看看效果。效果不好，咱就不學。

我本來對ROS是拒絕的，然後我就把大量時間放到了感測器的驅動和結果的顯示上，但是slam最核心的東西在演算法上啊啊啊啊！！！！！ROS幫你搞定了驅動和顯示，是個不錯的選擇。但是，如果是做商業產品的話，前面的話當我沒說過。

2、其次，根據你的感測器，會有不同的slam演算法。

2.1--早期的2d激光雷達比較多一些，典型的就是Ros裡面的gmapping演算法，對應的教材是《Probabilistic Robotics》。切記：ROS裡面有很多模擬平台，初學者可以不必操作實際的機器人。

2.2---後面出了很多的基於視覺的slam演算法，這也叫做vslam。從Andrew Davison最早的Monoslam,到經典的PTAM演算法，以及最近幾年風生水起的lsd-slam、svo、orb-slam三劍客。當然他們都是單目的演算法了，無法得到精確的meric scale。硬體嘛，感覺一個20多塊的普通usb攝像頭就可以了。我不搞雙目，雙目不了解。

視覺不得不提的教材是《Multiple View Geometry in Computer Vision》來自 Richard Hartley

,然後學習點opencv真真是極好了，減少對matlab的依賴。

2.3--Kinect也算是比較經典的感測器，對應的演算法也是挺多的，從最早的來自TUM的RGBD-SLAM到擁有讓人眼紅的在線閉環檢測機制的RTAB-MAP,這些都是不錯的經典演算法。

新出的ORBSLAM2也是可以跑Kinect2的,而且效果還不錯。

我還是希望初學者能夠在線跑Kinect,而不是用別人做好的dataset.

3、新手如何入門？新手最好先看看一些開源的代碼，配合論文的閱讀。

單目的話，可以先看看orbslam，為什麼特別推薦呢？因為在orbslam的論文和代碼中，新手會接觸到一下視覺slam中幾個重要的問題①active match;②PnP問題;③地圖初始化；④閉環檢測；⑤局部的光束平差法和全局的優化………………

rgbd的話，可以先看看來自TUM的RGBD-SLAM，算是早期的演算法，都是一些基礎的問題吧

--------------------------------------------------------------------------------------------------------------------------------------------

PS:想學slam，居然不加slam群。年輕人，你這樣很危險啊！1群滿了，請加2群374238181

入群請註明姓名+學校啊！！！！

點擊鏈接加入群【SLAM研究者群-A2】：二維碼頁面

個人經驗，最簡單的，最容易獲得階段成就感的，是學習ROS 的navigation stack

謝邀，MRPT網站上有演算法列表以及對應的paper。不過我不是做演算法的，只能做到用一下，理解不了。

看來今年很火啊.

搜索SLAM出來幾個問題都是幾年的

OpenSLAM.org 這個網站收集了各種slam